مقاله تشخیص بدون نظارت سرطان پوست با ادغام ویژگی های بافت و لبه در تصاویر پوستی که چکیده‌ی آن در زیر آورده شده است، در بهار ۱۳۹۳ در هوش محاسباتی در مهندسی برق (سیستم های هوشمند در مهندسی برق) از صفحه ۱ تا ۱۱ منتشر شده است.
نام: تشخیص بدون نظارت سرطان پوست با ادغام ویژگی های بافت و لبه در تصاویر پوستی
این مقاله دارای ۱۱ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله استخراج ویژگی
مقاله تبدیل Ripplet
مقاله سرطان پوست
مقاله ویژگی بافتی
مقاله ویژگی شکلی

نویسنده(ها):
جناب آقای / سرکار خانم: آقاپناه رودسری حامد
جناب آقای / سرکار خانم: قاسمیان یزدی حسن

چکیده و خلاصه‌ای از مقاله:
در این مقاله روشی جدید برای استخراج ویژگی از تصاویر به منظور بالا بردن دقت تشخیص سرطان پوستی ملانوم ارائه می شود. این روش به صورت بدون نظارت اجرا می شود. برای این کار، ابتدا در یک فرآیند ناحیه بندی تصویر، ضایعه از پوست طبیعی اطرافش جدا می گردد. در مرحله بعد، یک سری ویژگی های بافتی و شکلی از تصویر ضایعه استخراج می شود: ماتریس هم رخداد، ماتریس طول اجزاء، ویژگی های جهتی فرکانسی، و پارامترهای تبدیل Ripplet، به عنوان ویژگی های بافتی؛ و ممان های زرنیک و ویژگی های طول شعاعی نرمالیزه شده برای بیان ویژگی های شکلی، مورد استفاده قرار گرفته اند. به طور کلی، تعداد ۶۳ ویژگی بافتی و ۳۱ ویژگی شکلی برای تصاویر استخراج شده است. ابعاد این ویژگی ها با استفاده از تبدیل PCA و یک روش پیشنهادی کاهش می یابند. برای طبقه بندی ویژگی های استخراج شده، طبقه بندهای شبکه عصبی پرسپترون، ماشین بردار پشتیبان، چهارمین نزدیک ترین همسایه، و بیز بکار رفته و طبقه بندی با استفاده ماشین بردار پشتیبان دارای دقت ۸۹٫۱ درصد و صحت ۹۲٫۰۷ است. الگوریتم پیشنهادی روی پایگاه داده ای از تصاویر برچسب خورده پوست پیاده سازی شده شد. نتایج طبقه بندی ها با استفاده از ویژگی های به دست آمده، نشان می دهد که روش پیشنهادی در طبقه بندی تصاویر، هم از جنبه دقت و هم صحت، بر روش های پیشین برتری دارد و دقت تا ۹۱ درصد و صحت تا ۹۴٫۷۳ درصد افزایش یافت.